版本追踪数据模型

MLflow 的版本追踪数据模型提供了一种结构化的方法，用于在生成式 AI 应用的整个生命周期中管理和分析其不同版本。通过在 MLflow 的核心实体中组织版本元数据，您可以系统地追踪性能、调试回归并验证跨开发、测试和生产环境的部署。

概述

MLflow 中的版本追踪通过对标签和元数据的策略性使用，与核心数据模型无缝集成。这种方法实现了全面的版本管理，同时保持了灵活性，以适应您特定的部署和开发工作流。

版本追踪的核心实体

🧪 实验：版本容器

一个实验（Experiment）是您生成式 AI 应用所有版本的根容器。在一个实验中，您可以追踪多个应用版本、环境和部署状态，同时保持对应用演进的统一视图。

主要特点

单一命名空间：一个实验包含您应用的所有版本
跨版本分析：在同一容器中比较不同版本的性能
历史连续性：在一个位置维护完整的版本历史
统一元数据：所有版本中一致的标记和组织

📝 追踪记录：版本感知的执行记录

每条追踪记录（Trace）代表您应用的一次单独执行，并通过标签携带版本特定的元数据。这使得能够细粒度地追踪不同版本在各种上下文中如何表现。

追踪记录中捕获的版本元数据

标准 vs 自定义版本标签

标签类型	目的	示例
自动	MLflow 填充的元数据	`mlflow.source.git.commit`, `mlflow.source.name`
标准	保留用于特定含义	`mlflow.trace.session`, `mlflow.trace.user`
自定义	应用特定的上下文	`app_version`, `environment`, `deployment_id`

📊 评估：版本特定的质量判断

评估（Assessments）通过将评估结果附加到追踪记录，实现版本特定的质量分析。这为比较不同版本和部署上下文中的质量指标奠定了基础。

版本追踪的评估类型

性能反馈：延迟、吞吐量、资源使用
质量反馈：相关性、准确性、帮助程度评分
用户体验：满意度评分、可用性指标
回归测试：用于版本验证的预期输出

🎯 评分器：自动化版本分析

评分器（Scorers）提供自动化评估功能，可以检测版本特定的性能模式、回归和改进。它们将原始追踪记录数据转化为可操作的版本洞察。

📋 评估数据集：版本测试集合

评估数据集（Evaluation Datasets）通过提供精选的输入和预期输出集合，支持系统性的版本测试。这些数据集使得跨版本的一致比较和部署验证成为可能。

版本管理的数据集组织

回归测试：跨版本的核心功能验证
性能基准测试：标准化性能测量
特性验证：新功能测试和验证
环境测试：特定部署场景验证

🚀 评估运行：版本比较引擎

评估运行（Evaluation Runs）通过针对相同数据集运行不同应用版本并收集评分结果进行分析，来协调系统性的版本比较。

🏷️ 标注会话：人工版本审查

标注会话（Labeling Sessions）组织特定版本的追踪记录，供人工专家审查，从而实现版本变化的定性评估和边缘案例识别。

版本追踪工作流

完整的版本追踪工作流整合了所有数据模型实体，以提供全面的版本生命周期管理。

高级版本管理模式

多环境版本演进

追踪同一版本在不同环境中的演进过程

特性标志版本分析

了解特性标志如何影响不同版本

版本回滚追踪

监控版本回滚的影响

数据关系和依赖

了解版本追踪实体如何相互关联